在美國拉斯維加斯AWS2019年的re：Invent上，AWS一口氣推出了N項新服務(wù)，為機器學習領(lǐng)域做出了新貢獻，其中Autopilot和Studio實現(xiàn)了機器學習的自動化。

先讓我們從下面這段視頻中，感受一下AWS在云計算領(lǐng)域，帶來的新的風景線。

AWS 首席執(zhí)行官Andy Jassy公布了Gartner的統(tǒng)計數(shù)據(jù)，數(shù)據(jù)顯示，目前在云計算領(lǐng)域，AWS以47.80%的份額遙遙領(lǐng)先，甚至超過了微軟、阿里巴巴、谷歌和IBM的份額總和。

Amazon SageMaker Autopilot

這是行業(yè)中首個自動化機器學習容器，用戶可以隨時控制和查看機器學習模型。

在傳統(tǒng)的機器學習中，用戶是沒有辦法深入了解模型的數(shù)據(jù)和模型的邏輯的。而通過Amazon SageMaker Autopilot，開發(fā)人員只需要將訓練所需的數(shù)據(jù)以CSV格式上傳，Autopilot便能自動以50種不同的訓練模型建立機器學習任務(wù)，自動訓練，最后給出可視化的結(jié)果。

如此看來，開發(fā)者只需要按幾下手中的鼠標，便能夠“坐享其成”了，Amazon SageMaker Autopilot無疑將能稱得上是AI訓練的全新未來。

Amazon SageMaker Autopilot

Amazon SageMaker Studio

這是業(yè)界首個用于機器學習的完全集成開發(fā)環(huán)境，Amazon SageMaker Studio提供了一個基于Web的單一視覺界面，用戶可以在這上面進行機器學習的開發(fā)。這不僅讓機器學習在云端環(huán)境上的效率倍增，而且還能改變舊時代機器學習的方式。我們來梳理一下Studio帶給用戶的全新體驗：

全集成：用戶可以在同一個界面中，同時直觀地部署、訓練，以及調(diào)整他們所有位于AWS上的機器學習模型。

成本低：傳統(tǒng)的機器學習，需要配合大量的軟件才能完成工作，還要有昂貴的機器設(shè)備。而Studio僅需要一臺普通的聯(lián)網(wǎng)電腦，透過瀏覽器就可以實現(xiàn)機器學習。

門檻低：用戶不需要再進行配置，降低了開發(fā)者使用這一最新技術(shù)的門檻。

實時監(jiān)控：Amazon SageMaker Studio包含兩個監(jiān)控工具Amazon SageMaker Experiment和Amazon SageMaker Debugge，有了它們，開發(fā)者能夠第一時間發(fā)現(xiàn)模型中的錯誤并加以修正，減少工作時間的同時提高機器學習訓練的準確度，從而為未來的AI性能打下更為堅實的基礎(chǔ)。

Amazon SageMaker Studio

AWS此次推出的N項服務(wù)都很有亮點，尤其是Autopilot和Studio這兩個產(chǎn)品，讓更多的開發(fā)者可以接觸到機器學習。

Autopilot和Studio，給開發(fā)者帶來了極大的便利。我想這或許也是AWS的產(chǎn)品哲學：做開發(fā)者所做，想開發(fā)者所想，一切為了開發(fā)者。